文中所指的二进制文件是指可执行文件，或者图片等非文本类型文件，即Binary文件。
首先，为了文件的简单，我们手工生成两个文件，一个普通文件，一个二进制可执行文件
生成普通文件
生成可执行文件a.out
使用grep 查找hello时，两个文件输出为
grep是碰到可执行文件时会输出Binary file
文本文件是一种计算机文件，它是一种典型的顺序文件，其埋禅文件的逻辑结构又属于流式文件。（来源百度百科）
本文定义为：文本文件是一种顺序存储了unicode编码，或者其他编码字符的文件。因为不仅可以存英文还可以存放一些表情及换行等其他字符。
将依次遍历文档，然后与所有的可能的编码中的字符进行查找比较，如果所有字符都符合在这些编码字符列表中，则当前文档即为一个文本文档。
不过这种方法的效率堪忧，有没有一种更简单的方法呢。当然有！
当我们使用十六进制的方式打开两个文件，就会发现不同了。同时对比了一张图片的十六进制
图片
在文本文件的十六进制备液虚编码同时将 unicode符号也在文本中展示出来了。也可以从文本文件的定义可以得出，非ascii不能作为检测二进制的方法。
但是通过对比三个文件的十六进制编码会发仿燃现，可执行文件与图片中包含 了很多00,即空字符，而文本文件中是不存在的。
所以初步结论是不含有空字符的文件即为二进制文件.
但是我们总不能从文件头到尾去判断吧，所以我们查看grep与diff源码会发现一段宏
所以我们取一段数据长度判断，如果是包含了空字符就是非文本类型文件，比如取1024个字节。因为二进制文件一般会有一个文件头，而文件头的数据长度大约128个字节。取1024字节是尽可能的避免头中数据写满。
当然以上方法只针对于utf-8, asccii ，如果是utf-16或者 utf-32 在数据中也同样会产生空字符
使用grep中同样会将其识别为binary file 所以不向下做研究了。
二进制文槐粗件与文本文件在定义、存取方式、优缺点上有一些区别：一、定义的区别
文本文件：文本文件是一种计算机文件，它是一种典型的顺序文件，其文件的逻辑结构又属于流式文件。
二进制文件：是基于值编码的文件，你可以根据具体应用，指定某个值是什么意思（这样一个过程，可以看作是自定义编码）。
从上面可以看出文本文件基本上是定长编码的(也有非定长的编码如UTF-8)。而二进制文件可看成是变长编码的，因为是值编码嘛，多少个比特代表一个值，完全由你决定。
二、存储方式的区别
文本工具打开一个文件，首先读取文件物理上所对应的二进制比特流，然后按照所选择的解码方式来解释这个流，然后将解释结果显示出来。
一般来说，你选取的解码方式会是ASCII码形式（ASCII码的一个字符是8个比特），接下来，它8个比特8个比特地来解释这个文件流。
记事本无论打开什么文件都按既定的字符编码工作（如ASCII码），所以当他打开二进制文件时，出现乱码也是很必然的一件事情了，解码和译码不对应。
文本文件的存储与其读取基本上液山是个逆过程。而二进制文件的存取与文本文件的存取差不多，只是编/解码方式不同而已。
三、优缺点的区别
因为文本文件与二进制文件的区别仅仅是编码上不同，所以他们的优缺点就是编码的优缺点，这个找本编码的书来看看就比较清楚了。
一般认为，文本文件编码基于字符定长，译码容易些；二进制文件编码是变长的，所以它灵活，存储利用率要高些，译码难一些（不同的二进制文件格式，有不同的译码方式）。
关于空间利用率，想想看，二进制文件甚至可以用一个比特来代表一个意思(位 *** 作)，而文本闹明中文件任何一个意思至少是一个字符．
在windows下,文本文件不一定是以ASCII来存贮的,因为ASCII码只能表示128的标识,你打开一个txt文档,然后另存为,有个选项是编码,可以选择存贮格式,一般来说UTF-8编码格式兼容性要好一些.而二进制用的计算机原始语言,不存在兼容性。
参考资料：
百度百科
--
文件文本
百度百科
--
二进制文件
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）